怎样在 Mac 上把视频转成文字，以及 macOS 自己能做什么

作者 · 发布于

在 Mac 上把视频转成文字，有三种办法。macOS 自带的“实时字幕”，会在视频播放时实时为里面的语音生成字幕。Apple 的付费视频编辑软件 Final Cut Pro，可以把片段里的语音转成带时间的字幕，但只支持美式英语。我做的免费 App YapToText，则在你的 Mac 上转写视频文件本身，给你纯文本。

哪一种合适，取决于你想拿回什么：跟着看的字幕，带时间的字幕文件，还是可以粘贴到文稿里的文字。我用手打字有困难，所以做了 YapToText，让我不用键盘就能把语音变成文字，而视频的音轨说到底也只是更多的语音。它需要搭载 Apple 芯片的 Mac 和 macOS 14 或更高版本，文件没有分钟数上限。

在 Mac App Store 下载 YapToText免费下载。无需账号，没有锁定的功能。需要搭载 Apple 芯片的 Mac 和 macOS 14 或更高版本。 源代码在 GitHub 上。

用其他语言阅读： English, العربية, Čeština, Dansk, Deutsch, Ελληνικά, Español, Suomi, Français, עברית, हिन्दी, Magyar, Bahasa Indonesia, Italiano, 日本語, 한국어, Norsk, Nederlands, Polski, Português, Română, Русский, Slovenčina, Svenska, ไทย, Türkçe, Українська, Tiếng Việt, 繁體中文

步骤

  1. 打开 YapToText，进入 Utility 页面。
  2. 在 Transcribe a file 卡片的模式菜单里，选 Raw Transcription 得到原话，或者选 Note 之类的模式。
  3. 把视频文件拖到卡片上，或者点按 Choose File 来选取它。
  4. 等文字出现在卡片里。
  5. 点按 Copy，或者点按 Insert，把文字输入到你之前使用的 App 里。

用“实时字幕”跟着看视频

“实时字幕”是 Apple 内置的实时转写功能。Apple 说音频在设备端处理，默认会为所有 App 的音频生成字幕，所以在你的 Mac 上任何地方播放的视频都会有字幕。“实时字幕”能帮你在视频播放时跟上内容，而 Apple 的手册里没有说明怎样把这些文字保留下来。

第 1 步：打开

  • 操作： 选取苹果菜单，“系统设置”，点按“无障碍”，再点按“实时字幕”，然后把它打开。
  • macOS： 显示“实时字幕”窗口。第一次打开时，会下载语言数据，所以需要联网一次。
  • 确认： 窗口出现了。Apple 说，未检测到音频时它会自动隐藏。想让它一直显示，请在菜单栏的“实时字幕”图标里选取“在屏幕上保留”。

第 2 步：播放视频

  • 操作： 播放视频。如果窗口转写的是你的麦克风，请点按窗口角落的麦克风图标，或者在菜单栏的“实时字幕”图标里选取“电脑音频”。
  • macOS： 播放时把语音转写到“实时字幕”窗口里。
  • 确认： 人说话时字幕就出现。Apple 说，准确度可能会有所不同，在高风险或紧急情况下不应依赖它。

Apple 列出了两个限制。“实时字幕”需要搭载 Apple 芯片的 Mac，而且并非对所有语言、国家或地区都可用。它的功能可用性页面列出了：英语（澳大利亚、加拿大、印度、新加坡、英国和美国）、法语（加拿大和法国）、德语（德国）、日语、韩语、普通话（中国大陆和台湾）、粤语（中国大陆和香港），以及西班牙语（墨西哥、西班牙和美国）。

在 Final Cut Pro 里生成带时间的字幕

Final Cut Pro 的 Generate Captions，会把片段里的语音转成带时间的字幕。这是 Apple 提供字幕文件的办法，但要花钱，而且只支持美式英语。

第 1 步：生成字幕

  • 操作： 在 Final Cut Pro 里，选中时间线上有语音的片段，然后选取 Edit, Generate Captions, Closed Captions，或者按 Shift Command C。
  • 确认： 字幕片段出现在时间线顶部它自己的轨道里。第一次使用时，Final Cut Pro 会下载它的语言模型，所以需要联网一次。

第 2 步：导出成文本

  • 操作： 把生成的 iTT 格式字幕转换成 SRT，再导出为单独的文件。Apple 的手册两步都有介绍。
  • 确认： SRT 文件可以用纯文本编辑器打开。Apple 说明，里面的每条字幕由序号、开始和结束时间以及文字组成。
  • 价格。 一次性购买 $299.99，或者包含在 Apple Creator Studio 里，新订阅用户可以免费使用 30 天，之后每月 $12.99，或者每年 $129。2026年10月3日核对。
  • Mac。 Final Cut Pro 需要 macOS 15.6 或更高版本，Generate Captions 需要搭载 Apple 芯片的 Mac。
  • 语言。 Generate Captions 只支持美式英语。

所以只要视频里的人都说美式英语，Final Cut Pro 就很乐意为你的视频加字幕。Apple 还补充说，背景噪声、音乐或者人们互相打断，都可能影响准确度和时间，并建议先使用 Voice Isolation 和 Noise Removal。

用 YapToText 把视频文件转成文字

YapToText 读取视频文件，在你的 Mac 上用 App 内置的语音模型 Whisper Large v3 Turbo (Q5) 转写其中的语音。它可以在 Mac App Store 免费下载，不需要账号。把视频拖到卡片上，文字就以纯文本的形式回来，可以粘贴到任何地方。

第 1 步：把视频拖到卡片上

  • 操作： 打开 YapToText，进入 Utility 页面。在 Transcribe a file 卡片的模式菜单里，选 Raw Transcription 得到原话，或者选 Note 之类的模式来整理文字。然后把视频拖到卡片上，或者点按 Choose File 来选取它。
  • YapToText： 按内容而不是扩展名来识别文件，在你的 Mac 上转写其中的语音，并运行你选的模式。
  • 确认： 文字出现在卡片里。如果出现的是错误，下面的排查步骤有解决办法。

第 2 步：拿走文字

  • 操作： 点按 Copy，或者点按 Insert，把文字输入到你之前使用的 App 里。
  • YapToText： 交给你纯文本。Send below 会把它传给下一张卡片，那张卡片用 Note 或 Clean Up 之类的模式改写文字。
  • 确认： 文字已经在你的文稿里了。

处理视频时要知道的几点：

  • 常见格式。 macOS 能解码的它都能读。它识别的容器格式包括 MP4、MOV、M4V、3GP、M4A、WAV、AIFF、CAF、FLAC、MP3 和 AMR，以及 macOS 支持的 Ogg。
  • 没有分钟数上限。 文件没有时间限制，也没有任何计量。30 分钟的安全停止只适用于单次实时听写。超过 4 分钟的视频会在安静的地方切开，每段约 2 分钟。
  • 29 种语言。 AI Models 页面的 Language 选择器列出 29 种语言，外加 Auto-detect，默认是你 Mac 的系统语言。语言指南 列出了它们。

同样的功能在 菜单栏面板 里叫 Transcribe file，在 History 页面 里叫 Transcribe File。如果要转写的是语音备忘录而不是视频，在 Mac 上转写语音备忘录 的指南会先介绍 Apple 自己的文字记录。

YapToText 的 History 页面：搜索栏、日期和模式筛选，以及标注了模式、App 和时间的听写记录。
图1. Transcribe File 在 History 页面的底部，和 Export 在同一栏。

比较这三种办法

2026年10月3日，依据 Apple 的支持页面和 apple.com 核对。

实时字幕Final Cut ProYapToText
费用免费，macOS 自带一次性 $299.99，或者 Apple Creator Studio 每月 $12.99，之前有 30 天免费试用免费，没有付费档
需要的 MacApple 芯片macOS 15.6 或更高版本，Generate Captions 需要 Apple 芯片macOS 14 或更高版本，Apple 芯片
处理的对象Mac 上正在播放的音频，或者麦克风，边发生边处理Final Cut Pro 时间线上的片段视频或音频文件
你得到什么播放时显示在窗口里的字幕带时间的字幕，可以导出为 SRT 文件可以拷贝或输入的纯文本
时间戳没有说明有，每条字幕都有时间没有
语言8 种语言，限列出的地区只支持美式英语29 种语言，外加 Auto-detect
在哪里运行按 Apple 所说，在设备上没有说明，语言模型会下载一次在你的 Mac 上

“实时字幕”用来跟着看，Final Cut Pro 用来发布字幕，YapToText 用来拿到文字本身。根据你想拿回什么来选：看的字幕，带时间的字幕文件，还是纯文本。 如果你想自己在终端里运行 Whisper，Mac 本地 Whisper 的指南有介绍。

App Store 海报，标题为“Nothing leaves your Mac”，下方是 YapToText 的 AI Models 页面，两个模型都标着 Included。
图2. App Store 版本自带语音模型，所以视频不需要上传就能变成文字。

视频转写不出来时

先看文件，再看设置。拿不准的时候，只把音频交给 YapToText。

  1. 先播放一下。 如果听不到语音，或者只有音乐，语音模型就没有东西可转写。
  2. 单独导出音频。 在 QuickTime Player 里，选取 File, Export As, Audio Only。Apple 说，这样会存成一个带 AAC 音轨的 MPEG 4 音频文件，你可以改为把它拖到卡片上。
  3. 检查有没有版权保护。 如果 QuickTime Player 的导出菜单里没有选项，Apple 说，这段录制内容可能受版权保护，不能分发。
  4. 设置语言。 如果视频是另一种语言，请在 AI Models 页面的 Language 选择器里，选那种语言或 Auto-detect language。
  5. 试试更大的语音模型。 从 AI Models 页面的 Dictation Model Library 下载一个，再运行一次这个文件。模型下载是这款 App 唯一会发起的联网。

AI Models 指南 解释了每个模型和它的大小。

YapToText 处理视频时做不到的事

  • 说话人标签。 它不会说是谁在讲话，所以对话转出来的是没有名字的文字。
  • 时间戳和字幕。 它不添加时间戳，也不导出 SRT 或其他字幕文件。要带时间的字幕，Final Cut Pro 是 Apple 提供的办法。
  • 边转写边翻译。 它转写的是说过的话，不会翻译。之后想翻译，可以选中文字，让 Quick Edit 改成另一种语言，或者运行内置 AI Actions 之一的 Translate to English。
  • 流媒体视频。 它打开的是你 Mac 上的文件，所以只能在浏览器里播放的视频，它读不了。
  • 有些 Mac 和版本。 它需要搭载 Apple 芯片的 Mac 和 macOS 14 或更高版本，Intel Mac 我不作任何保证。Homebrew 版本不带模型，在你下载语音模型之前无法转写。安装指南 介绍了这一点。

如果谁说了什么很重要，YapToText 和 MacWhisper 的文件转写对比 讲了这个差别，Quick Edit 指南 则说明了文字记录出来之后，怎样翻译或缩短它。YapToText 给你的是说了什么，而不是谁说的、什么时候说的。

App Store 海报，标题为“Edit anything by voice”：Quick Edit 卡片正在聆听、应用编辑、完成。
图3. Quick Edit 作用于你在任何 App 里选中的文字，所以文字记录出来之后，还可以翻译或缩短。

简短版

  • 跟着看。 在搭载 Apple 芯片的 Mac 上，到“系统设置”的“无障碍”里打开“实时字幕”。
  • 要带时间的字幕文件。 用 Final Cut Pro 的 Generate Captions，语言是美式英语，再导出 SRT。
  • 要文字本身。 把视频拖到 YapToText 的 Transcribe a file 卡片上，免费，在你的 Mac 上完成。

视频放进去，文字出来，什么都不会离开你的 Mac。 如果视频转写不出来，上面的排查步骤也没有帮助，请在 Settings 的 About 里点 Copy Diagnostics，然后 在 GitHub 上提交 issue，并附上文件类型。每一条我都会看。

在 Mac App Store 下载 YapToText免费下载。无需账号，没有锁定的功能。需要搭载 Apple 芯片的 Mac 和 macOS 14 或更高版本。 源代码在 GitHub 上。

关于作者。 Ryleigh Newman 从事软件开发，用手打字有困难，每天都用本站介绍的 YapToText 听写。本页译自英文。App 的界面和网站的其他页面是英文的。 进一步了解这个项目（英文）。

指南

更多指南（英文）

资料来源

常见问题

Mac 能把视频转成文字吗？

能，有三种办法。在搭载 Apple 芯片的 Mac 上，“实时字幕”会在视频播放时显示实时字幕，Final Cut Pro 可以生成带时间的美式英语字幕，YapToText 则免费在你的 Mac 上把视频文件转成纯文本。

怎样在 Mac 上免费把视频转成文字？

用 YapToText。打开它的 Utility 页面，把视频拖到 Transcribe a file 卡片上，再拷贝文字。它免费，在你的 Mac 上转写，需要搭载 Apple 芯片的 Mac 和 macOS 14 或更高版本。

能在 Mac 上本地转写视频吗？

能。YapToText 在你的 Mac 上用 Whisper 转写文件，不上传任何内容，Apple 也说“实时字幕”在设备端处理音频。YapToText 唯一会用到网络的地方，是你自己发起的模型下载。

YapToText 会加时间戳或说话人名字吗？

不会。它给出的是纯文本，没有时间戳、字幕和说话人标签。要带时间的字幕，Apple 的 Final Cut Pro 可以生成美式英语的字幕，并导出为 SRT。

YapToText 转写视频有长度限制吗？

没有。文件没有分钟数上限，也没有任何计量。30 分钟的安全停止只适用于单次实时听写。长视频会在安静的地方切开，分段转写。